Módulo 2

Exercício 1

Gere sinais sintéticos que simulem a forma de onda do ciclo respiratório, de acordo a faixa etária:

  • do nascimento a 6 semanas: 30 a 40 respirações por minuto;
  • 6 meses: 25 a 40 respirações por minuto;
  • 3 anos: 20 a 30 respirações por minuto;
  • 6 anos: 18 a 25 respirações por minuto;
  • 10 anos: 17 a 23 respirações por minuto;
  • Adultos: 12 a 18 respirações por minuto;
  • Idosos (≥ 65 anos): 12 a 28 respirações por minuto;
  • Idosos (≥ 80 anos): 10 a 30 respirações por minuto.
library(stringr)
genBreathing <- function(duration, sampling_time, verbose_age)
{
  weeks <- 0
  months <- 0
  years <- 0
  
  # separate verbose age into occurrences
  splitted_age <- unlist(str_extract_all(verbose_age, pattern="\\b(\\w+=\\w+)\\b"))
  for(itr in length(splitted_age))
  {
    # extract the name and number of each occurrence
    all <- unlist(str_extract_all(splitted_age[itr], pattern="\\b(\\w+)\\b"))
    word <- all[1]
    number <- strtoi(all[2])
    # age in days is irrelevant
    if(word=='weeks'){weeks <- weeks+number}
    if(word=='months'){months <- months+number}
    if(word=='years'){years <- years+number}
  }
  while(weeks>=5) # 1 month = 5 weeks
  {
    weeks <- weeks-5
    months <- months+1
  }
  while(months>=12) # 1 year = 12 months
  {
    months <- months-12
    years <- years+1
  }

  # define frequency based in age (max of range given)
  if((years==0 && months==1 && weeks<=1) || (years==0 && months==0 && weeks<=6)){freq <- 40} # cycles/min
  else if(years==0 && months<=6) {freq <- (25+40)/2} # cycles/min
  else if(years<=3) {freq <- 30} # cycles/min
  else if(years<=6) {freq <- 25} # cycles/min
  else if(years<=10) {freq <- 23} # cycles/min
  else if(years<65) {freq <- 18} # cycles/min
  else if(years<80) {freq <- 28} # cycles/min
  else {freq <- 30} # Hz
  
  f <- freq/60 # convert freq to Hz
  t <- seq(from=0, to=duration-sampling_time, by=sampling_time)
  signal <- sin(2*pi*f*t)
  
  return(signal)
}

A função genBreathing gera um sinal do ciclo respiratório de acordo com a especificação anterior. Seus parâmetros são a duração do sinal em segundos e o tempo de amostragem. O terceiro parâmetro é uma string que identifica a idade de acordo com alguns exemplos abaixo:

  • Idade de 4 semanas implica em verbose_age = 'weeks=4';
  • Idade de 2 meses e 3 semanas implica em verbose_age = 'months=2, weeks=3'
  • Idade de 42 anos implica em verbose_age = 'years=42'

Esse parâmetro é acumulativo, então qualquer sequência de idades composta por semanas, meses e anos podem ser inseridas (obs: 5 semanas são consideradas como 1 mês e 12 mês são considerados como 1 ano). Abaixo são inicializados alguns sinais para cada uma das categorias de idade especificadas.

duration = 60 # 1 min
sampling_time = 0.001 # 1 ms
t <- seq(from=0, to=duration-sampling_time, by=sampling_time)
array.cat <- vector("list", 8)
array.title <- vector("list", 8)
array.cat[[1]] <- genBreathing(duration, sampling_time, verbose_age='weeks=6')
array.cat[[2]] <- genBreathing(duration, sampling_time, verbose_age='months=6')
array.cat[[3]] <- genBreathing(duration, sampling_time, verbose_age='years=3')
array.cat[[4]] <- genBreathing(duration, sampling_time, verbose_age='years=6')
array.cat[[5]] <- genBreathing(duration, sampling_time, verbose_age='years=10')
array.cat[[6]] <- genBreathing(duration, sampling_time, verbose_age='years=42')
array.cat[[7]] <- genBreathing(duration, sampling_time, verbose_age='years=70')
array.cat[[8]] <- genBreathing(duration, sampling_time, verbose_age='years=90')

array.title[[1]] <- 'Ciclo respiratório: 6 semanas de idade'
array.title[[2]] <- 'Ciclo respiratório: 6 meses de idade'
array.title[[3]] <- 'Ciclo respiratório: 3 anos de idade'
array.title[[4]] <- 'Ciclo respiratório: 6 anos de idade'
array.title[[5]] <- 'Ciclo respiratório: 10 anos de idade'
array.title[[6]] <- 'Ciclo respiratório: 42 anos de idade'
array.title[[7]] <- 'Ciclo respiratório: 70 anos de idade'
array.title[[8]] <- 'Ciclo respiratório: 90 anos de idade'

Exercício 2

Utilize a bliblioteca dygraph para plotar um gráfico para cada um dos sinais simulados na questão 1. Adicione legendas para os eixos x e y de cada gráfico.

library(dygraphs)
library(htmltools)
timeWindow <- c(0,10) # 0 to 10s

usingDygraph = function(i){
  plotResult <- data.frame(time=t, array.cat[i]) %>% 
    dygraph(group='breathing', xlab='Tempo (s)', ylab='Intensidade da respiração', main=array.title[i],
            width=400, height=300) %>% 
    dyRangeSelector(dateWindow=timeWindow)
  htmltools::tags$div(plotResult, style = "padding:10px; width: 450px; display:inline-block;")
}
res <- lapply(1:8, usingDygraph)
htmltools::tagList(res)

Exercício 3

Utilize a função ggplot para plotar um gráfico para cada um dos sinais simulados na questão 1. Adicione legendas para os eixos x e y de cada gráfico.

library(ggplot2) 
library(magrittr)
library(multipanelfigure)
usingGgplot = function(i){
  df <- data.frame(time=t, breath=array.cat[[i]])
  plotResult <- ggplot(data=df, aes(x=time, y=breath)) + 
    labs(x='Tempo (s)', y='Intensidade da respiração') +
    ggtitle(array.title[i]) + 
    geom_line()
  return(plotResult)
}
usingGgplot(1)

usingGgplot(2)

usingGgplot(3)

usingGgplot(4)

usingGgplot(5)

usingGgplot(6)

usingGgplot(7)

usingGgplot(8)

Exercício 4

Escolha um sinal simulado na questão 1, e plote-o utilizando a função dyStemSeries. Por que há um intervalo temporal entre cada amostra?

data.frame(time=t, array.cat[1]) %>% 
  dygraph(xlab='Tempo (s)', ylab='Intensidade da respiração', main=array.title[1]) %>% 
  dyOptions(stemPlot=TRUE)

timeWindow <- c(0,10) # 0 to 10s

usingDyStemSeries = function(i){ plotResult <- data.frame(time=t, array.cat[i]) %>% dygraph(group=‘breathing’, xlab=‘Tempo (s)’, ylab=‘Intensidade da respiração’, main=array.title[i]) %>% dyRangeSelector(dateWindow=timeWindow) %>% dyOptions(stemPlot=TRUE) }

Exercício 5

Explique a estrutura básica de um arquivo EDF []((https://www.edfplus.info/specs/edf.html).

Exercício 6

Repita todos os exercícios apresentados neste módulo. Os comandos utilizados devem ser inseridos como resposta a esta questão.

Exercício 7

A base de dados disponível na plataforma Moodle foi coletada utilizando-se o dispositivo TREMSEN (Precise Tremor Sensing), que é um dispositivo para a coleta de dados inerciais (i.e., movimentos).

A coleta de dados foi executada considerando os seguinte protocolo:

  • Um acelerômetro triaxial foi posicionado no dorso da mão, sobre o osso Capitato.
  • O eixo X do acelerômetro foi alinhado paralelamente à terceira falange distal.
  • Os dados foram coletados enquanto o participante realizava os seguintes movimentos: – 5 flexões do punho; – 5 extensões do punho; – 5 aduções do punho; – 5 abduções do punho.
  • Os dados coletados foram salvos no formato EDF e TXT, e nomeados de acordo com o tipo de movimento realizado (Adução, Flexão e Rotação).

Considerando as informações dadas, você deve:

  • Abrir o arquivo TXT no Excel e salvar uma versão deste arquivo no formato xls.
  • Salvar o arquivo xls gerado no formato csv.
  • Abrir o arquivo coletado em xls no R e gerar um gráfico utilizando a função qplot. Incluir legendas dos eixos x - tempo (s) e y - amplitude (g).
  • Abrir o arquivo coletado em csv no R e gerar um gráfico utilizando a função qplot. Incluir as legendas dos eixos x - tempo (s) e y - amplitude (g).
  • Abrir o arquivo coletado em edf no R e gerar um gráfico utilizando a função qplot. Incluir as legendas dos eixos x - tempo (s) e y - amplitude (g).
  • Incluir todos os resultados e códigos resultantes da execução desta sequência de passos na resposta desta questão.